Luin Anna Leonowiczin kirjoittaman artikkelin ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship”. Kuten artikkelin otsikosta näkyy, se kertoo kahden muuttujan koropleettikartoista ja niiden toimivuudesta erilaisten ilmiöiden kuvaamisessa. Alussa kerrotaan, kuinka perinteiset yhden muuttuja kartat soveltuvat yksinkertaisten ilmiöiden esittämiseen ja kuinka niistä saa selville aineiston jakauman. Ongelma kuitenkin syntyy, kun kartan avulla pitäisi tehdä monimutkaisempia päätelmiä ja selvittää muuttujien suhdetta. Tässä asiassa kahden muuttujan kartat ovat parempia. Artikkelissa kerrotaan muun muassa, kuinka tärkeää on oikeanlaisten luokkien ja niiden määrän valinta esityksen selkeän luettavuuden kannalta. Myöskin värivalinnoilla on merkittävä asema tulkinnassa. Lopussa kerrotaan tutkimuksesta, joka suoritettiin Varsovan ja Vilnan yliopistojen maantieteen ensimmäisen vuoden opiskelijoille. Tutkimuksessa he suorittivat kokeen, joka mittasi ja vertasi heidän kykyään yhden ja kahden muuttujan koropleettikarttojen lukemisessa. Opiskelijat saivat myös itse arvostella näiden esitysten heikkouksia ja vahvuuksia. Tutkimus vahvisti laaditun hypoteesin, eli sen, että yhden muuttujan kartta osoittaa selvemmin aineiston spatiaalisen jakauman ja oikein suunniteltu kahden muuttujan kartta puolestaan on parempi kuvaamaan muuttujien suhteita.
Lukemani artikkeli oli varsin mielenkiintoinen, koska se tarjosi lisää informaatiota kartografisesta esittämisestä. Toiset mainitut asiat olivat jo tuttuja tai muutenkin pääteltävissä, kuten käytettyjen luokkien lukumäärien ja värien vaikutus luettavuuteen. Toisaalta en ollut aikaisemmin juurikaan uhrannut erityisesti aikaa yhden ja kahden muuttujan karttojen välittämän tiedon erojen ajatteluun, vaikka ei tämä asia vaikea olekaan. Nyt kuitenkin osaan vielä paremmin valita sopivan esityksen karttoja laatiessani.
Nämä kahden muuttujan koropleettikartat ovat erityisen käteviä kahden eri ilmiön keskinäisten suhteiden tarkastelussa, sen olen itsekin huomannut. Esimerkiksi toisella kurssikerralla laatimani kartta hyödyntää juuri tätä, kun tarkastelen kuntien taajama-asteen ja alkutuotannon välistä kytköstä. Jos olisin laatinut kaksi karttaa, yhden kummastakin muuttujasta, olisi lukija voinut kummastakin kartasta erikseen havaita, kuinka muuttujat ovat sijoittuneet alueellisesti ja kuinka voimakkaina ne esiintyvät alueilla. Muuttujien välisen yhteyden selvittämiseksi olisi lukijan kuitenkin pitänyt vertailla näitä kahta karttaa keskenään ensin niitä tutkittuaan. Koska aineisto on kahdessa paikassa, on keskinäinen vertailu haastavampaa eikä kovin nopeaa.
Oikeastaan ainut kohta, joka artikkelissa tuntui hieman vaikealta ymmärtää, oli kuvaus havaintojen luokittelusta ja niiden sijoittumisesta hajontakuvion diagonaaliselle viivalle ja sen ulkopuolelle. Parin lukemisen ja havainnollistavien legendojen tutkimisen jälkeen tämäkin asia selvisi. Nämä legendat ovatkin varsin kiinnostavia. Kun luokkien määrä pysyy maltillisena (korkeinaan yhdeksän luokkaa) ovat ne selvästi luettavissa ja mielestäni varsin käytännöllisiä. Artikkelin kolmannen kartan legendassa oleva hajontakuvio on hyvä esimerkki tarkasteltavaksi. Siinä selitetään kahden muuttujan välistä riippuvuutta. Kuvaajan poikki vinoittain kulkee musta viiva, joka kuvaa jakauman keskihajontaa. Valitut luokat on aritmeettisesti valittu symmetrisesti tämän viivan suhteen. Keskimmäiset luokkavälit ovat yhtäläiset yhden keskihajonnan suuruudella. Yksinkertaisesti selitettynä kuvaajan värien ja niiden keskinäisen sijoittumisen avulla huomaa, kuinka toisen arvon kasvaessa myös toinen arvo kasvaa. Korkeampia arvoja kohti mennessä värien sävyt tummenevat ja niiden sinisyys tai punaisuus kertoo, kumpi muuttuja vaikuttaa voimakkaammin alueella.
Kahden muuttujan kartografinen esitys voi olla toisille ihmisille hieman haastavampi ymmärtää perinteisiin karttoihin verrattuna. Tavallisesti jokainen voi legendasta tarkistaa, mitä mikäkin symboli kartalla tarkoittaa, mutta tässä tapauksessa lukijalta vaaditaan hieman ymmärrystä ja hahmottamista, että hän osaa tulkita legendaa oikein. Tämä voi myös rajata etenkin nuorempia lapsia pois karttaesityksen kohderyhmästä. ”Mielestäni kartanteossa onkin tärkeää muistaa se, että vaikka itse pystyisi lukemaan kaiken karttakuvan sisältämän informaation, voi se lukijalle tuottaa suuriakin haasteita tai olla jopa sula mahdottomuus”, toteaa Saara Leppänenkin blogissaan (Leppänen, 2017).
Eräs uusi asia, johon opin myös kiinnittämään huomiota on se, kuinka tärkeää oikeanlainen aluejako voi koropleettikarttojen kannalta olla. Tilastokeskuksen sivuilla (http://www.stat.fi/tup/tietoaika/tilaajat/ta_06_02_kuusela.html, kuvio 2) esitetään havainnollisesti, kuinka erilaisia tuloksia Jon Snow olisi saanut koleratapauksen tutkinnassa, jos olisi käyttänyt erilaisia aluejakoja. Väärä valinta voi sijoittaa havainnot todellisuuttaa kuvaamattomasti ja vääristää tuloksia. Tässä siis pitää olla tarkkana.
Toisella kurssikerralla tutustuimme teemakarttojen laadintaan MapInfon avulla. Kuten jo aikaisemmin mainitsin, laadin itsekin tunnilla koropleettikarttaa hyödyntävän kartan; graduated-teemakartan. Se kuvaa siis nimenomaan kahden muuttujan välistä suhdetta, mutta on mielestäni yksinkertaisempi luettavuuden kannalta artikkelin kolmanteen kuvioon verrattuna. Omassa kartassani muuttujat on esitetty osittain päällekkäin, mutta ne erottuvat silti vielä toisitaan, koska toiset havainnot on kuvattu värein ja toiset erikokoisin symbolein. Olisi hyvä itsekin kokeilla tuota artikkelissa esitetyn kahden muuttujan koropleettikartan laatimista, mutta sitä en tällä kertaa hoksannut tehdä. Myös taitoni ovat vielä rajalliset, koska opettelen vielä ohjelman käyttöä, joten myös tämä tekijä hieman rajoittaa ainekin omien suunnitelmieni toteuttamista. MapInfo vaikuttaa kuitenkin suhteellisen monipuoliselta (joitain jo huomaamiani puutteita lukuun ottamatta) ja sen avulla voi laatia hyvinkin erilaisia esityksiä. Vielä on itselläni useita teitä tutkimatta tämän ohjelman suhteen.
Lähteet:
Karttojen kummallisuuksia. Tilastokeskus 2012 http://www.stat.fi/tup/tietoaika/tilaajat/ta_06_02_kuusela.html Luettu 25.1.2017
Leppänen, Saara (2017) ”Two-variable choropleth maps as a useful tool for visualization of geographical relationship” ARTIKKELI 1 & KURSSIKERTA 2 (31.1.2017)
<https://blogs.helsinki.fi/saaralep/> Luettu 6.2.2017
Kartassa käytän luokitteluna luonnollista luokitteluväliä ja viittä eri luokkaa. Valitsin sen, koska mielestäni tämä luokitus havainnollistaa tavallisesti parhaiten aineiston todellista jakaumaa. Kun nyt jälkikäteen kuitenkin katselen karttaa silmästä silmään huomaan, että erään luokan sisällä on 10,5 prosenttiyksikön väli, kun seuraavaksi suurin väli luokissa on vain 0,7. Mielestäni tälle aineistolle jokin toinen luokitus voisi kuitenkin olla ehkä sopivampi.